OpenAI Evals API 使用指南
该资料为 OpenAI 开发者文档页面，主要介绍如何配置和运行评估（Evaluations），涉及 Evals API 的具体使用方法。
#教程/实践
OpenAI DevelopersAI 评分4545 OpenAI DevelopersAI 评分4545 OpenAI 发布实时音频开发指南
OpenAI Developers 发布了关于 Realtime API 和音频处理的官方指南，内容涵盖如何构建实时语音代理、进行实时翻译以及实现流式转录。该指南主要面向开发者，提供低延迟场景下的技术实现参考。
OpenAI DevelopersAI 评分4545 OpenAI Agents SDK 快速入门指南
OpenAI Developers 发布了 Agents SDK 的快速入门文档，提供启动代码示例，旨在帮助开发者在几分钟内构建第一个 AI Agent。内容涵盖 Agent 基础、工具调用等核心概念。
OpenAI DevelopersAI 评分4545 OpenAI Realtime API 实时语音翻译指南
OpenAI 开发者文档发布了一篇关于如何使用 Realtime API 构建实时语音翻译应用的指南，涵盖了低延迟流式音频处理等技术要点。
LMSYS Blog 基于PD分离与大规模专家并行在128张H200 GPU上部署Kimi K2
Mooncake团队基于OME和SGLang框架，在128张H200 GPU集群上完成了Moonshot AI 1万亿参数开源MoE模型Kimi K2的大规模部署。该方案采用PD分离与大规模专家并行技术，针对模型384个专家和每token 320亿激活参数的设计进行优化，通过跨节点通信优化与负载均衡策略，显著提升了trillion-scale模型的推理吞吐与并发处理能力。
OpenAI DevelopersAI 评分4545 OpenAI Computer Use API 使用指南
OpenAI Developers 发布了一篇关于 Computer Use API 的指南，介绍了基于计算机使用代理（CUA）的相关功能。该资料主要指向官方文档链接，未包含具体的技术细节、代码示例或新的能力变更说明。
OpenAI DevelopersAI 评分4545 OpenAI 内置工具使用指南
该资料为 OpenAI 开发者文档中的“内置工具指南”页面，主要介绍平台当前可用的内置工具及其具体用法，属于 API 开发文档的一部分。
OpenAI DevelopersAI 评分4545 OpenAI 发布 Agent 构建指南文档
OpenAI Developers 发布了关于如何创建和管理 Agents 的指南，内容涉及 Agents SDK、agentic 模式及工具调用。该资料仅提供了文档链接和简短描述，未包含具体技术细节或代码示例。
Manus：Blog精选AI 评分6868 Manus 团队分享构建 AI 智能体的上下文工程经验教训
Manus 团队成员 Yichao 'Peak' Ji 撰文分享构建 Manus 智能体的上下文工程经验，核心原则包括围绕 KV-cache 命中率设计、用 logits 遮蔽而非移除工具、把文件系统当作终极上下文、通过复述待办列表操控注意力，以及保留错误和避免少样本陷阱。
推荐理由：Manus 团队复盘构建智能体的上下文工程经验，KV缓存、工具遮蔽和文件记忆等做法可直接迁移到读者的 Agent 项目。
LMSYS Blog 在 SGLang 中支持新 VLMs：NVILA 案例研究
NVILA 团队发布技术博客，详解如何在 SGLang 推理框架中集成新型视觉语言模型。文章以 NVILA 为实践案例，提供从模型适配、推理优化到部署的完整开发指南与代码实践。随着多模态大模型成为行业焦点，该方案填补了 SGLang 生态在视觉理解模型支持方面的文档空白，为开发者快速接入新 VLM 提供了标准化技术路径与最佳实践。
OpenRouter：AnnouncementsAI 评分4949 使用OpenRouter在Cursor中调用模型：试试月之暗面的Kimi K2
OpenRouter的灵活模型路由现已集成到Cursor，用户可在Cursor中直接调用Moonshot AI的Kimi K2模型进行编码操作。
OpenRouter：Announcements精选AI 评分5656 OpenRouter 模型现可在 Cursor 中使用：试试月之暗面 Kimi K2
OpenRouter 宣布其灵活模型路由支持在 Cursor 中运行月之暗面的 Kimi K2。用户可直接在 Cursor 中调用 OpenRouter 路由的模型，无需额外配置。
推荐理由：一篇将 OpenRouter 模型接入 Cursor 的实操指南，虽然已过时三百多天，但对想免配置用 Kimi K2 的 Cursor 用户仍有参考价值。
LlamaIndex：产品、工程与评测AI 评分4444 如何用 DeepEval 和 LlamaIndex 评测 RAG
DeepEval 与 LlamaIndex 组合可对 RAG 流水线做单元测试式评测：DeepEval 提供 50+ 开箱即用指标，默认由 OpenAI gpt-4o 驱动，示例选用 Answer Relevancy、Faithfulness 和 Contextual Precision 三项 RAG 指标。
LlamaIndex：产品、工程与评测AI 评分4848 什么是上下文工程？LlamaIndex 详解其与提示词工程的区别及实现技巧
LlamaIndex 发文拆解"上下文工程"概念，指出它与提示词工程的区别在于更关注用最相关信息填满 LLM 的上下文窗口，而非仅提供指令。文章将上下文拆为系统提示词、用户输入、短期与长期记忆、知识库检索、工具定义与响应、结构化输出、全局状态等来源，并给出知识库或工具选择、上下文排序与压缩等策略，可用 LlamaIndex 和 LlamaParse 落地。
Modal 官方工程博客精选AI 评分6262 Modal 如何用 evals 和推理时算力扩展生成既美观又可扫的 QArt 二维码
Modal 团队复盘其 QArt codes 服务的工程过程，通过 evals 和推理时算力扩展将二维码扫描率提升到 95% 的 SLO，同时改善美观度并将 p95 端到端延迟控制在 20 秒内。
推荐理由：Modal 团队复盘 QArt codes 从不可扫到 95% 扫描率的工程路径，evals 构建与推理时并行扩展的方法可迁移到其他生成模型应用。
Factory 研究 / 产品精选AI 评分7070 Factory 提出 Agent Native Development：用自主智能体开发软件的方法论
Factory 发布 Agent Native Development 方法论，主张让 agent 运行收集上下文、规划、实现、验证、提交的完整内循环，人来负责架构决策和护栏。
推荐理由：Factory 提出的 Agent Native Development 方法论给出写精确规格、验证环境和 drift 恢复的可迁移做法，适合想系统化用 agent 写代码的开发者参考。
Sierra：BlogAI 评分5151 Sierra 详解基础模型推理层的自适应路由与请求对冲实践
Sierra 介绍其自适应路由客户端，把基础模型可靠性当作动态优化问题，通过 Balanced 与 Protective 两种转向模式、自适应健康检查和基于 EWMA 的加权 tumbling 窗口，将请求路由到表现最佳的提供商。上线当月经历多次提供商故障，包括一次持续数小时的中断，客户均未感知停机。配套的请求对冲策略在超过设定延迟阈值时发送备份请求，使 P99 延迟下降超过 70%。
TensorZero：实验与工程博客AI 评分5555 TensorZero 如何用每次 Git 提交自动评估 AI 编码助手
TensorZero 发布一套开源方法，通过 post-commit Git hook 自动评估 Cursor 等编码智能体在实际工程流程中的效果。方法将生成代码与提交代码解析为语法树，用 tree-sitter 和 Zhang-Shasha 树编辑距离（TED）计算语言感知的奖励分数，并以 Rust 二进制配合 rayon 并行计算反馈存入 ClickHouse。
LlamaIndex：产品、工程与评测AI 评分5252 LlamaIndex 教程：用 Agent Workflows 与 Zoom RTMS 构建 Notion 会议记录助手
LlamaIndex 发布教程，结合 Zoom 新推出的 RTMS 实时会议数据流与 LlamaIndex 事件驱动 Agent Workflow 及 Notion API，构建实时会议记录助手，示例已开源。
Modal 官方工程博客AI 评分5757 Modal 讲解如何将 FLUX.1-dev 推理提速三倍并匹配专有 API 性能
Modal 官方博客分享如何将 Black Forest Labs 的 FLUX.1-dev 在 Modal 上的自托管推理提速三倍，使 1024x1024 图像生成延迟从约 6.75 秒降至约 2.2 秒，达到与专有 API 竞争的三秒目标。
Anthropic：Engineering精选AI 评分7373 我们如何构建多智能体研究系统
Claude的多智能体研究系统采用协调器-工作者架构，一个主导智能体分析用户查询并制定策略，并行调用多个专用子智能体协同工作。内部评估显示，以Claude Opus 4为主导、Claude Sonnet 4为子智能体的系统，在研究任务上比单智能体Claude Opus 4性能提升90.2%。该系统擅长处理需要同时探索多个独立方向的广度优先查询，通过分配独立上下文窗口实现并行推理扩容。但多智能体系统消耗的token量约为普通聊天的15倍，适用于任务价值足以支撑性能提升的场景，在需要高度并行化、大信息量或多工具调用的任务中表现卓越。
推荐理由：Anthropic 把 Research 背后的多智能体架构、prompt 工程和踩坑经验全抖出来了，做 Agent 的同行可以直接抄作业，尤其是『token 用量解释 80% 性能方差』这个结论，选型逻辑要变。
Answer.AI 官方研发博客AI 评分4545 Answer.AI 博客介绍 fastcore 库中的 flexicache 缓存装饰器用法
文章由 Daniel Roy Greenfeld 撰写，介绍了 Jeremy Howard 在 fastcore 库中新增的 flexicache 装饰器。该工具支持灵活的内存缓存策略，包括基于时间（time_policy）和文件修改时间（mtime_policy）的自动失效机制，以及 LRU 缓存替换。文中通过代码示例演示了如何单独或组合使用这些策略来优化 Python 函数调用性能。
TensorZero：实验与工程博客精选AI 评分7272 TensorZero 逆向 Cursor 的 LLM 客户端并公开其系统提示词
TensorZero 团队将自家的开源框架作为自托管代理接入 Cursor，经 Ngrok 和 Nginx 绕过 Cursor 服务器与 CORS 限制后，成功观察并控制其全部 LLM 调用。
推荐理由：作者实测把自托管代理接进 Cursor，读者可以照着复现并查看其真实提示词与模型调用。
OpenAI DevelopersAI 评分5252 OpenAI Cookbook 发布收据解析自动化工作流的评估驱动系统设计指南
OpenAI 发布 Cookbook 教程，介绍用评估驱动设计方法构建收据解析自动化工作流，覆盖从原型到生产的过程。
OpenAI DevelopersAI 评分5454 OpenAI Cookbook 发布 o3/o4-mini 函数调用指南
OpenAI Cookbook 发布指南，讲解如何通过提示词最佳实践改进 o3/o4-mini 的函数调用表现。
Sierra：BlogAI 评分4949 Sierra 如何打造更拟人的 AI 语音体验
Sierra 分享其 AI 语音智能体在真实通话中的三项经验：自研 Voice Activity Detection（VAD）系统可区分背景噪音、打断与附和；智能体能同时思考与倾听、倾听与说话、说话与思考，并实时纠错；语音场景下更多上下文反而提升问题解决效果。Sierra 称其平台上的 AI 智能体可提供 24/7 语音支持，无需等待、转接或回拨，无法解决时可无缝转接人工坐席。
LlamaIndex：产品、工程与评测AI 评分4949 LlamaIndex 如何用自研 LlamaDev 重构 650+ Python 包 monorepo
LlamaIndex 为管理包含 650 多个 Python 包（多为 Integrations 和 Packs）的 monorepo，自研了大规模 monorepo 管理工具 LlamaDev。此前其技术栈为 Poetry 管理单个包、Pants 跨包编排测试、GitHub Actions 自动化，该组合使用超过一年，但随规模扩大暴露出构建速度与缓存服务器等问题。
LlamaIndex：产品、工程与评测精选AI 评分6060 LlamaIndex 为 Agent 推出改进的长短期 Memory 组件
LlamaIndex 发布改进的 Memory 组件，为 Agent 提供短长期记忆能力。基础形式将聊天记录按 token 上限存入 SQL 数据库（默认内存 SQLite）。
推荐理由：官方介绍了新版 Memory 组件的设计与用法，开发者可以对照三类长期记忆块判断是否迁移自己的 Agent 工作流。
LlamaIndex：产品、工程与评测AI 评分4747 LlamaIndex 谈有效智能体的最佳设计模式：Workflows 如何融合自主性与结构
LlamaIndex 分享其对有效智能体设计模式的看法，主张在完全自主与刚性结构之间取混合路线，并以其 Python 和 TypeScript 框架中的 Workflows 事件系统实现链、分支、循环与并行等模式。Workflows 在关键流程上提供可预测的确定性路径，同时让 LLM 在非结构化输入、灵活规则和新场景中保持自主，并支持 human-in-the-loop。
OpenAI DevelopersAI 评分5252 OpenAI Cookbook 发布用 GPT Image 生成和编辑图像的教程
OpenAI 开发者 Cookbook 发布教程，介绍如何使用 GPT Image 能力生成和编辑图像，并提供可运行的示例供开发者参考。
LlamaIndex：产品、工程与评测AI 评分4848 LlamaIndex 详解企业级 Agentic Document Workflows（ADW）：从聊天机器人到自动化文档流程
LlamaIndex 提出 Agentic Document Workflow（ADW）参考架构，用 Parse、Retrieve、Reason、Act 四个阶段和 Pydantic 类型化数据契约，把企业文档处理从"与文档聊天"原型推进到全自动流程。
Anthropic：Engineering精选AI 评分7777 Claude Code：智能体编码最佳实践指南
Claude Code 提供了一套完整的智能体编程工具与框架。其核心遵循“先探索、再计划、后编码”的工作流，并通过配置 CLAUDE.md 文件、管理权限和连接 MCP 服务器来优化环境。最佳实践强调为 Claude 提供工作验证方法、积极管理上下文、使用子代理进行调查，以及利用检查点回退来处理复杂任务。文档还详细介绍了在 VS Code、JetBrains IDE、Slack 及 CI/CD 中的集成使用，并提供了避免常见失败模式的实用建议。
推荐理由：Anthropic 官方出的 Claude Code 最佳实践，不是泛泛而谈的入门指南，而是从 CLAUDE.md 配置到 subagent 编排的完整工程手册，用 Claude Code 做日常开发的人直接照抄就能少踩一半坑。
Mistral AI：NewsAI 评分4444 Mistral 团队详解如何用 LLM as a Judge 评估 RAG 系统
Mistral 团队介绍用 LLM as a Judge 评估 RAG 系统的方法，即让一个"judge LLM"按数值、二值或定性量表为"generator LLM"的答案打分，再对评测数据集求加权平均。
OpenAI Developers精选AI 评分7979 OpenAI 演示如何使用 4o 模型生成图像
OpenAI 发布介绍视频，演示如何使用 4o 模型创建图像。视频展示了 4o 的图像生成功能的基本用法。
推荐理由：官方演示如何用 4o 模型生成图像，想上手该功能的开发者可以直接参照操作。
LlamaIndex：产品、工程与评测AI 评分5454 LlamaIndex 官方教程：如何用 LlamaParse 解析 PDF 并提取结构化数据
LlamaIndex 发布 LlamaParse 使用指南，演示用 Python 几行代码把 PDF 解析为 markdown，注册可获得 10,000 免费积分、每天免费解析 1000 页。
Anthropic：Engineering精选AI 评分7171 “思考”工具：让Claude在复杂工具使用场景中停下来思考
Anthropic为Claude引入了“思考”工具，允许其在生成最终响应前插入一个专门的思考步骤，以处理多步骤工具调用链、分析外部信息并遵循复杂策略。该工具与更早发布的“扩展思考”功能不同，更侧重于在响应生成过程中对新信息进行针对性推理。在τ-Bench基准测试中，该工具显著提升了Claude在客户服务场景的表现。文章建议在需要复杂工具调用、长链分析或高成本序列决策的场景中使用它，并提供了标准的工具实现格式。
推荐理由：Anthropic 官方给出的 think tool 实操指南，附带 τ-Bench 和 SWE-bench 的真实数据，做 Agent 或 tool use 的开发者可以直接抄 prompt 模板，比自己瞎试强太多。
LlamaIndex：产品、工程与评测AI 评分4040 用 LlamaExtract 从 SEC 财报中提取结构化金融数据
LlamaIndex 的 LlamaExtract 可用于从 SEC 10-K/Q 财报中提取结构化数据，这类文件常超过 100 页、结构松散且含大量表格，传统方法难以跨章节保持上下文。
LangChain：Blog精选AI 评分6060 LangChain 官方教程：AI Agent 提速的实用方法
LangChain 博客介绍开发者加速 AI Agent 的常见做法：先用 LangSmith 诊断延迟来源，再通过流式输出和后台运行降低用户感知延迟。其他要点包括减少 LLM 调用次数（如用 LangGraph 精确控制智能体通信）、换更快模型、削减输入上下文以及并行执行 LLM 调用。
推荐理由：原文把 Agent 提速拆成诊断瓶颈、减少与并行 LLM 调用、优化感知延迟等具体路径，方法可直接迁移到自己的项目。
Cognition 模型 / Devin 博客精选AI 评分6464 Linktree 复盘用 Devin 一个月写约 300 个 PR 的实践经验
Linktree 团队分享使用 Cognition 的 AI 智能体 Devin 一个月的成果：Devin 完成约 300 个 PR，其中约 100 个已合并，主要是修复客户报告的 bug、实现小功能和原型验证。
推荐理由：Linktree 官方复盘 Devin 落地细节，给出任务筛选标准、多 Devin 协作和 API 用法等可直接迁移的经验。
Cognition 模型 / Devin 博客AI 评分6060 Devin API 教程：用 GitHub Actions 自动化 PR 代码审查
Cognition 官方教程介绍如何用 Devin External API 与 GitHub Actions 在 PR 打开、更新或重新打开时自动启动 Devin 实例做代码审查，通常 5 到 10 分钟开始发布评论。